Predictive maintenance: wat is het en wanneer pas je het toe?
Predictive maintenance (voorspellend onderhoud) is een onderhoudsstrategie waarbij je op basis van de werkelijke conditie van een installatie bepaalt wanneer onderhoud nodig is. In plaats van te werken op vaste intervallen of te wachten tot een storing optreedt, meet je continu de staat van kritische componenten en grijp je in op het optimale moment.
De sleutel tot effectieve predictive maintenance is niet "overal sensoren plaatsen", maar weten waar je moet meten. Dat begint bij het identificeren van kritische assets en de faaloorzaken met het hoogste restrisico — de risico's die blijven bestaan ondanks preventief onderhoud.
Hoe werkt predictive maintenance?
Bij predictive maintenance worden machines uitgerust met sensoren die continu gegevens verzamelen: trillingen, temperatuur, geluid, oliekwaliteit, stroomverbruik of druk. Deze data wordt geanalyseerd met algoritmen die afwijkingen herkennen en voorspellen wanneer een storing waarschijnlijk optreedt.
Het verschil met preventief onderhoud is fundamenteel. Preventief onderhoud werkt op vaste intervallen — elke 3 maanden smeren, elke 18 maanden vervangen — ongeacht de werkelijke conditie. Predictief onderhoud grijpt in wanneer de data aangeeft dat het nodig is. Niet te vroeg (verspilling) en niet te laat (storing).
Voordelen van predictive maintenance
- Minder ongeplande stilstand. Storingen worden gesignaleerd voor ze optreden, waardoor je proactief kunt ingrijpen in plaats van reactief herstellen.
- Lagere onderhoudskosten. Onderhoud vindt alleen plaats wanneer de conditie dat vereist, wat over-onderhoud voorkomt en arbeids- en materiaalkosten verlaagt.
- Hogere betrouwbaarheid. Continue monitoring verhoogt de betrouwbaarheid van installaties en verlaagt veiligheidsrisico's. De kengetallen MTBF en MTTR verbeteren structureel.
- Betere productieplanning. Onderhoud wordt planbaar in plaats van onvoorspelbaar, waardoor de productiecapaciteit maximaal benut wordt.
Wanneer is predictive maintenance waardevol?
Predictive maintenance is niet voor elke installatie of elk component de juiste keuze. De investering in sensoren, data-infrastructuur en analyse is aanzienlijk. Daarom is de vraag: waar levert het het meeste op?
De aanpak begint bij het identificeren van kritische assets: installaties waarvan falen grote gevolgen heeft voor veiligheid, productie of kosten. Vervolgens bepaal je per faaloorzaak het restrisico — het risico dat blijft bestaan na preventief onderhoud.
Predictive maintenance is het meest waardevol wanneer:
- De faaloorzaak grote consequenties heeft (hoge stilstandkosten, veiligheidsrisico's)
- Preventief onderhoud het risico niet voldoende mitigeert (falen tussen intervallen)
- Het faalgedrag detecteerbaar is via sensordata (trillingen, temperatuur, slijtage)
- De kosten van monitoring lager zijn dan de verwachte stilstandkosten
FMECA als startpunt voor predictive maintenance
Een FMECA (Failure Mode, Effects and Criticality Analysis) levert de essentiele input om te bepalen waar predictive maintenance het meeste oplevert. In een FMECA breng je per installatie de faalvormen in kaart, bepaal je de faaloorzaken en beoordeel je de criticality via de bedrijfsspecifieke risicomatrix.
De FMECA laat zien welke faaloorzaken het hoogste restrisico vormen na preventief onderhoud. Juist op die punten is conditiemonitoring het meest waardevol: je monitort wat er echt toe doet in plaats van "alles meten en hopen op inzicht".
Per faaloorzaak kies je de optimale strategie: tijdsafhankelijk onderhoud voor voorspelbaar faalgedrag, conditiemonitoring voor kritische restrisico's en run-to-failure voor acceptabele risico's. Lees meer over deze strategieen in ons artikel over preventief en correctief onderhoud.
Implementatie: begin met een pilot
De implementatie van predictive maintenance volgt doorgaans een gefaseerde aanpak:
Stap 1: Selecteer kritische assets. Gebruik de FMECA-resultaten om te bepalen op welke installaties je start. Begin met de assets waar het restrisico het hoogst is en waar conditiemonitoring het meest detecteerbaar is.
Stap 2: Plaats sensoren en verzamel data. Richt je op de meettechnieken die aansluiten bij het faalgedrag: trillingsanalyse voor mechanische slijtage, temperatuurmonitoring voor thermische degradatie, olieanalyse voor smeringsproblemen. Lees meer over deze technieken in onze handleiding over conditiegestuurd onderhoud.
Stap 3: Analyseer en stel drempels in. Gebruik data-analyse en AI om normaal gedrag te identificeren en afwijkingen te detecteren. Stel alarmgrenzen in die tijdig waarschuwen zonder valse meldingen.
Stap 4: Schaal op. Na validatie van de pilot breid je stapsgewijs uit naar andere installaties. Door de gefaseerde aanpak blijven kosten beheersbaar en kan het rendement per stap worden aangetoond.
Predictive maintenance onderbouwen met Previx
Previx levert via FMECA de risicoanalyse die bepaalt waar predictive maintenance het meeste oplevert. Per installatie wordt duidelijk welke faaloorzaken de hoogste restrisico's vormen en waar conditiemonitoring de juiste maatregel is.
FMECA helpt bepalen welke assets baat hebben bij predictive maintenance. Previx vereenvoudigt dit proces met een intuïtieve workflow en AI-ondersteuning, zodat je in een fractie van de tijd tot de juiste keuze komt. Ontdek Previx →
Conclusie
Predictive maintenance is een krachtige aanvulling op preventief onderhoud, maar alleen wanneer je weet waar het het meeste oplevert. De sleutel is om te beginnen bij risico — niet bij sensoren. Een FMECA maakt zichtbaar welke faaloorzaken de hoogste restrisico's vormen en waar conditiemonitoring de juiste maatregel is.
Door gericht te investeren in de installaties en faaloorzaken waar de impact het grootst is, haal je het maximale rendement uit predictive maintenance. Wil je meer weten over het bepalen van de juiste mix? Lees dan ons artikel over de onderhoudsstrategie of bekijk hoe je OEE berekent om de impact van je verbeteringen te meten.
